数学建模基于形态特征叶子识别聚类论文概览.docVIP

西北大学研究生数学建模竞赛 承 诺 书 我们仔细阅读了西北大学数学建模竞赛的竞赛规则与赛场纪律。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛的题目是(从A/B中选择一项填写)： C 参赛队编号为： 1069705 所属院系（请填写完整的全名）： 数学学院、信息科学与技术学院 参赛队员 (打印并签名) : 1. 耿妍 2. 朱锐 3. 卫柄岐 日期： 2015 年 5 月 3 日 评阅编号（由组委会评阅前进行编号）： 矩形度 伸长度 不变特征 一阶矩（平均值颜色） 二阶矩（标准方差） 三阶矩（三次根非对称性） 图像第个颜色通道分量中灰度级为的像素出现的概率 边缘复坐标 五、模型的建立与求解 5.1问题一： 5.1.1形状模型建立与求解： 图像在计算机里被分成像素，每个像素的灰度值被整数化。为了防止图片平移，旋转，缩放带来的误差，我们首先将图片归一化，使之变为具有固定标准形式。不考虑图片颜色我们将在形状方面忽略颜色的影响，即将其灰度化，设灰度化后的图像二值矩阵为。我们将形状分为了十个特征来描述:表面积、矩形度、伸长度以及不变矩阵的七个不变特征。对于不变矩阵的七个不变特征，我们选择用二阶和三阶中心距来构造，因为这 样能使它们在连续图像变换下可以保持平移、缩放、旋转不变。 形状模型如下: ， ； ； ； 归一化的中心距离定义为： ，其中 七个不变矩为 形状模型仿真： 首先，我们任意选出一种叶子图片，图(5-1)是附件中135号样品图片的一个代表;图(5-2)是附件中153号样品图片 (5-1) (5-2) 通过对叶子模型的运行，我们得到了每片叶子的十个特征值，由于空间有限，我们只列出前十个数据。其中行为叶片特征，列为叶片序号。如图，(5-3)是样品135的特征值；(5-4)是样品153的特征值 叶片的形状特征图(5-3)(样品135) 叶片的形状特征图(5-4)(样品153) 5.1.2边缘模型的建立 对于这一特征，由于叶子边缘函数没有规范性，并且在二维上，这样对我们的研究带来很大困难，所以我们选择用傅里叶描述子把二维图像轮廓简化成一维问题进行处理。 傅立叶描述子的基本思想是对图像边界进行傅立叶变换作为形状描述。首先假定物体的边缘表示为一个坐标序列,其中。用复数来表示每一个坐标，即，对于封闭边界，这一序列是周期的，为N，这样二维坐标下的边界就可以在一维空间上表示。尽管对序列进行了重新解释，但边界本身的性质并未改变。当然，这种表示方法的一个优点就是：把二维问题简化为一维问题。 的离散傅立叶变换（DFT）表示为： (1) 复系数叫做边界的傅立叶描述符.这些系数的反向傅立叶变换存在于： (2) 傅立叶变换的高频分量对应细节而低频分量对应总体形状，在图像检索和图像识别中使用傅立叶描述子时，为了减少使用描述子进行图像相似度判别时的计算量，可以只用一部分对应低频分量的傅立叶系数来近似描述边界形状。 边缘模型仿真： 同样对样品135和样品153进行分析，表中的横坐标表示边缘的周长、面积、周长面积比、圆形度、方形度、对比